黎嘉明 谢兴 张铅海 周连娣

摘要：本文设计一种基于对抗生成网络的水面漂浮物分割算法。该算法利用改进的K-means算法，保留只需关注的水面区域，去除多余检测信息。之后构建基于对抗生成网络的水面漂浮物分割网络，实现精细化分割水面漂浮物。最后可通过统计分割图像，获取当前水域的漂浮物污染程度。

关键词：漂浮物;对抗生成网络;图像分割

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2020）01-0108-02

0 引言

目前我国十分重视生态环境的保护，尤其是对水环境资源的保护。水面漂浮物是常见的水污染情况之一，对水体生态平衡造成严重的影响[1]，因此研究一种水面漂浮分割算法具有很高的应用前景。由于水面漂浮物检测设备需要在野外环境布置，这导致分割效果受到地形多样、光线复杂等环境因素的干扰。目前，漂浮物分割处理主要采用传统的图像处理算法，往往采用阈值分割、边缘提取、形态学提取、分水岭分割等方式提取水面漂浮物。但是，传统的图像处理技术对光照以及图像噪声极为敏感，鲁棒性较差[2]。在处理背景相对复杂、对比度较低的对象时，传统图像处理技术并不能产生理想分割和识别效果。深度学习[2]是近年研究的热点之一，其具有高精度、高鲁棒性、抗干扰能力强的特点，因此适合用于水面漂浮物的检测。

本文提出了一种基于对抗生成网络的水面漂浮物分割算法。该算法利用改进的K-means区域分割算法，对图像进行粗分割，提取水面区域以及河岸背景区域，得到所需关注的水面区域。……